近日，由我院桑彬彬博士为第一作者完成的一篇关于面向有序分类特征选择的研究论文“Fuzzy rough feature selection using a robust non-linear vague quantifier for ordinal classification” 被中科院一区Top期刊《Expert Systems With Applications》接收并出版。

序数分类是一种常见的分类问题，广泛存在于多属性决策问题中基于优势的粗糙集方法（DRSA）是一种适用于有序分类任务的知识获取工。然而，由于收集到的数据中存在噪声信息，导致大大降低了 的学习模型的准确性。提高模型的鲁棒性是解决这一问题的有效途径。此外，现有的基于优势粗糙集的特征选择策略主要关注特征与决策之间的单调分类一致性，而忽略了特征组合提供的分类信息。基于这两个问题，本文提出了一种鲁棒模糊优势粗糙集模型来对抗噪声干扰，并在此基础上开发了一种用于有序分类任务的特征选择方法。首先，采用非线性模糊量词构建鲁棒模型，并引入相关依赖函数。其次，探讨了基于排序熵的不确定性测度，以表征特征组合对有序分类的贡献。在此基础上，提出了一种新的特征评价指标。同时，设计了相应的特征选择算法。最后进行了数值对比实验，结果表明所提出的模型和特征选择算法具有良好的性能。

《Expert Systems With Applications》期刊的主旨是发表有关专家和智能系统的设计、开发、测试，实施和管理的论文，并为这些系统的开发和管理提供实用指南。该刊物发表专家和智能系统技术与应用领域的论文，目前属于中科院1区Top期刊，其影响因子为8.5。